모든 게시물

Google News는 충격적인 추산을 소개했다. 인공지능의 영향으로 데이터 센터는 2030년까지 매년 945테라와트시의 전력을 소비할 수 있다는 내용이다. 이 전망은 AI의 탄소·물·토지·전자폐기물 발자국을 분석한 United Nations University 보고서에서 나왔다. 이 보고서의 결과는 더 효율적인 칩과 청정에너지만으로 AI의 환경 비용을 통제할 수 있다는 업계의 주된 주장을 흔든다. 이제 갈등은 혁신과 기술을 싫어하는 사람들 사이의 대립이 아니다. 전 세계 규모로 AI를 제공하기 위해 필요한 물리적 인프라와 Big Tech의 기후 약속 사이의 충돌이다. Google, Microsoft, Amazon, Meta 등 운영사들은 청정 전력, 효율적인 컴퓨팅, 물 복원에 투자해 왔다. 이러한 노력은 중요하다. 그러나 AI 서비스 수요는 많은 환경 개선책이 상쇄할 수 있는 속도보다 더 빠르게 증가하고 있다. 이 보고서는 측정 문제도 드러낸다

Hyperscale Data가 해당 자산을 중심으로 트레저리를 구축해왔음에도 약 100 Bitcoin을 매각하면서, Google News를 통해 빠르게 확산 중인 뚜렷한 전략 전환이 나타났다. 회사는 이 자금을 Michigan주 Dowagiac의 AI 데이터센터 캠퍼스에 투입하고 있다. 또한 보유분을 즉시 매각하지 않고 추가 보유 Bitcoin을 담보로 차입할 수 있는 Bitcoin 담보 신용 한도도 마련했다. 이 조치로 Bitcoin은 Hyperscale Data의 전략적 준비자산에서 건설 자금으로 전환된다. 이는 변동성이 큰 암호화폐 익스포저를 장기 AI 인프라 계약과 교환하는 Core Scientific, Bitdeer 등 다른 채굴업체들과 회사를 같은 흐름에 놓는다. 다만 이러한 전환이 완료됐거나 보장된 것은 아니다. Hyperscale Data는 가동 중인 채굴 시설을 개조하고, 특수 인프라를 구축하며, 촉박한 일정에 따라 익명의 고객을

Jefferson Lab은 핵융합 실험에서 하드웨어 변화를 예측하는 ML 모델이라는 눈길을 끄는 주장으로 Google News에 소개됐다. 그러나 실제 프로젝트가 다루는 문제는 다르다. DIDACT는 핵물리 데이터를 처리하는 컴퓨팅 클러스터를 모니터링하며, Jefferson Lab은 이를 핵융합 실험으로 설명하지 않는다. 이 정정은 중요하다. 검증된 연구 자체도 여전히 의미가 크기 때문이다. Digital Data Center Twin의 약자인 DIDACT는 여러 신경망을 학습시키고, 24시간마다 새로운 선도 모델을 선정한다. 선정된 모델은 과학 컴퓨팅 작업 전반에서 변화하는 CPU 및 메모리 동작을 모니터링한다. 실제 경쟁 구도는 머신러닝과 핵융합 하드웨어 간의 대결이 아니다. 복잡한 컴퓨팅 환경 내부에서 적응형 모니터링과 고정된 운영 규칙 간의 경쟁이다. Jefferson Lab은 워크로드가 변해도 정상 동작을 학습하면서, 문제가 발생할 때 관

DeepSeek는 8월 13일 V4 Pro의 정식 출시 버전을 공개하며, 4개월간의 프리뷰를 AI 에이전트 중심의 프로덕션 모델로 전환했다. 이 소식은 빠르게 Google News에 올랐지만, 핵심 주장은 맥락을 함께 봐야 한다. DeepSeek는 코딩, 도구 사용, 장기 실행 워크플로에서 큰 성능 향상을 보고했다. 그러나 프리뷰에 대한 독립 평가는 그 우위가 그만큼 명확하지 않았음을 보여줬다. 새 모델은 DeepSeek의 앱, 웹 인터페이스, API를 통해 이용할 수 있다. 개발자는 오픈 웨이트를 다운로드해 직접 관리하는 인프라에 배포할 수도 있다. 이 조합은 특히 방대한 작업 이력을 처리하는 에이전트가 필요한 팀에서 Anthropic, Google, OpenAI의 폐쇄형 서비스에 압박을 가한다. 하지만 더 강력한 벤치마크 결과가 신뢰할 수 있는 에이전트를 보장하지는 않는다. 에이전트는 도구를 선택하고, 실패를 해석하며, 상태를 유지하고, 여러

태국이 2027년까지 이어지는 계획을 바탕으로 정부 기관 전반의 인공지능 확대에 나서며 Google News에 등장했다. 헤드라인만 보면 단순한 도입 사례처럼 보인다. 그러나 AI가 정부 서비스를 바꾸려면 태국은 분산된 공공 데이터를 연결하고, 공무원을 교육하며, 안전장치를 마련해야 한다는 더 어려운 과제를 안고 있다. 직접적인 계기는 태국 최초의 국가 빅데이터 전략이다. 영어로 제공된 정부 발표에 따르면 내각은 2026년 7월 27일 이 계획 초안을 승인했다. 이 전략은 AI 도입을 국가 데이터 인프라, 태국어 모델, 디지털 서비스, 인력 개발과 연결한다. 이 조합이 핵심적인 긴장을 만든다. 태국은 AI를 사용할지 피할지를 선택하는 상황이 아니다. 정부는 개별 기관의 흩어진 실험에서 공동 인프라로 옮겨가려 하면서, 데이터 위험 역시 같은 속도로 확대되지 않도록 막으려 한다. 더 주목할 만한 비교 대상은 태국과 특정 기술 공급업체 간의 경쟁이 아니

제3순회법원은 호텔 경쟁사들 간의 비공개 회동이 있었다는 주장 없이도 2026년 7월 29일 알고리즘 가격 담합 사건을 되살리며 기각 결정을 뒤집었다. Google News 헤드라인의 배경이 된 이 판결은 원고들에게 공동 가격 책정 소프트웨어가 Atlantic City 카지노 호텔 객실 요금을 조율했다는 점을 입증할 또 한 번의 기회를 제공한다. 또한 경쟁사 데이터를 공동으로 활용하는 모든 기업에 가격이 어떻게 산출되는지 새롭게 점검할 이유를 제시한다. 법원은 Caesars Entertainment, MGM Resorts International, Hard Rock International, Cendyn Group 또는 다른 피고들이 반독점법을 위반했다고 판단하지는 않았다. 이들을 상대로 소송을 제기한 투숙객들이 소장 심사 단계를 넘어설 만큼 충분한 사실을 주장했다고 결정했을 뿐이다. 이러한 구분은 해당 주장들이 아직 증거개시나 재판을 통해 검증되

Google은 이전까지 중요한 투명성 조치로 여겼던 표시형 워터마크를 이제 일부 AI 생성 미디어에서 사용자가 비활성화할 수 있도록 했다. 새로운 Google 메타 설정은 Gemini와 Flow를 통해 만든 이미지, 동영상, 음악에 적용된다. 다만 완전히 표시가 없는 파일이 만들어지는 것은 아니다. Google은 생성 미디어에 삽입되는 비가시적 신호인 SynthID와, 서명된 출처 정보를 기록하는 C2PA Content Credentials를 계속 포함할 예정이다. 따라서 이 변화는 사람들이 즉시 볼 수 있는 라벨은 없애지만, 호환되는 검증 도구가 필요한 식별 시스템은 유지한다. 이 구분이 핵심적인 긴장을 만든다. 제작자는 전문 작업에 더 깔끔한 결과물을 얻지만, 일반 시청자는 해당 자산이 생성형 AI에서 비롯됐다는 가장 쉬운 신호를 잃는다. Google은 이전에 가시적 배지에 맡겨졌던 투명성 부담을 기계 판독 가능한 출처 정보가 더 많이 감당할

Cisco는 기록적인 회계연도 4분기 매출 173억 달러를 보고했지만, Google News 헤드라인은 가속되는 AI 인프라 사업 뒤에 놓인 더 어려운 시험대를 가리고 있다. 매출은 전년 대비 약 18% 증가했고, 비GAAP 주당순이익은 1.22달러를 기록했다. 더 중요한 점은 Cisco가 하이퍼스케일 고객으로부터 분기 기준 40억 달러의 AI 인프라 주문을 기록했다는 사실이다. 이에 따라 2026 회계연도 누계는 93억 달러로 늘었으며, 전년 수준의 약 4.5배에 달한다. 이 수치는 Cisco를 AI 자본지출 사이클의 더 깊은 곳으로 끌어들인다. 동시에 대부분의 인프라 수혜가 GPU 공급업체와 클라우드 컴퓨팅 제공업체에 집중될 것이라는 통념에도 도전한다. 이제 Cisco는 마진을 희생하거나 과잉 재고를 쌓지 않으면서 이례적인 주문 실적을 매출로 전환해야 한다. 이 전환 과제가 진정한 승부를 규정한다. 회사는 더 이상 AI 인프라 시장에 속할 자격

보도에 따르면 Graas는 1,700만 달러를 조달하고 Trustana를 인수했다. Google News 항목은 주목을 끌 만한 제목을 내세웠다. 그러나 더 어려운 질문은 자금 조달 규모 아래에 있다. Graas는 상업 성과 데이터와 관리되는 제품 정보를 결합하면서 또 하나의 복잡한 리테일 소프트웨어 스택을 만들지 않을 수 있을까? 보도된 거래는 커머스 데이터에 서로 다른 방향에서 접근해 온 두 회사를 결합한다. Graas는 판매, 광고, 재고, 가격, 마켓플레이스 성과를 분석한다. Trustana는 제품 데이터를 정리하고, 불완전한 기록을 보완하며, 해당 정보를 리테일 채널과 AI 에이전트에 맞게 준비한다. 이 조합은 문서상으로는 타당해 보인다. 제품 속성, 재고 기록, 캠페인 지표, 마켓플레이스 결과가 서로 맞지 않을 때 리테일 AI는 신뢰할 수 있는 추천을 제시할 수 없다. 그러나 이들 레이어를 결합하려면 단순히 두 대시보드를 하나의 법인명

NIST는 사상 최대 규모의 레코드를 처리하는 와중에 소프트웨어 취약점 검토 방식을 바꾼 뒤 Google News의 주목을 받았다. 이 기관에 따르면 CVE 제출 건수는 2020년부터 2025년 사이 263% 증가했다. 인공지능은 이제 이 압박의 양쪽에 자리하고 있다. 더 많은 코드를 만들고 검사하는 데 도움을 주는 한편, NIST는 그 결과로 쌓이는 취약점 데이터를 관리하기 위한 자동화를 검토하고 있다. 이것이 이 이야기의 핵심적인 역설이다. AI 지원 개발이 빨라질수록 검토가 필요한 소프트웨어의 양도 늘어난다. AI 기반 보안 도구 역시 취약점을 더 빠르게 찾아내며, 사람이 검증하고 우선순위를 정하고 수정해야 할 보고서를 만들어 낸다. NIST는 보고된 모든 결함을 동일하게 취급해서는 이 문제를 해결할 수 없다. National Vulnerability Database, 즉 NVD는 긴급한 노출과 영향이 작은 잡음을 구분해야 한다. 이에 따라

Google News는 뚜렷한 충돌을 부각했다. Texas와 New Mexico의 AI 데이터 센터는 기업의 냉각 수치가 시사하는 것보다 약 10배 큰 물 발자국을 남길 수 있다. 이 비교가 반드시 운영업체들이 보고한 물 1갤런당 10갤런을 숨겼다는 뜻은 아니다. 대체로 더 넓은 회계 경계를 반영한다. 기업 공시는 시설에서 냉각에 직접 소비하는 물을 강조하는 경우가 많지만, 독립 추정치는 전력 생산 과정에서 소비되는 물까지 포함한다. 반복되는 가뭄, 압박받는 대수층, 불완전한 시설별 보고에도 불구하고 대규모 컴퓨팅 프로젝트를 유치하는 두 주에서는 이 구분이 중요하다. 또한 이는 빅테크의 저수량 냉각 약속과 전력 집약적인 AI 확장이 요구하는 전체 자원 수요를 맞붙게 한다. 현재 이용 가능한 근거는 모든 계획 중인 데이터 센터를 똑같이 물을 많이 쓰는 시설로 취급하는 것을 뒷받침하지 않는다. 냉각 설계, 기후, 전력원, 운영 부하, 지역 물 시스템은

Google News는 분명한 대립 구도를 지닌 2026년 선박 항법 연구를 소개했다. AI로 강화된 제어기가 기존 제어기보다 뛰어난 성능을 보였지만, 결과는 시뮬레이션에 국한됐다. 이 연구는 대규모 언어 모델과 모델 예측 제어를 결합한다. 모델 예측 제어는 행동을 선택하기 전에 선박의 움직임을 반복적으로 예측하는 방법이다. 목표는 챗봇이 선박을 조종하게 하는 것이 아니다. 대신 이 모델은 표준 수학 제어기가 포착하지 못하는 오차를 추정한다. 이 구분은 중요하다. 선박은 디지털 모델과 정확히 일치하는 방식으로 움직이는 경우가 드물기 때문이다. 바람, 파도, 제어 입력, 변화하는 선박 상태는 실제 궤적을 제어기의 예측에서 벗어나게 할 수 있다. 연구진은 언어 모델이 이 차이를 실시간으로 추정해 제어기가 불확실성을 더 잘 반영하도록 돕는다고 설명한다. 이 결과는 적응형 예측과 확립된 모델 기반 제어 간의 경쟁 구도를 만든다. 그러나 실무적 질문은 헤드

KIO는 Google News를 통해 케레타로에 미화 13억 달러 규모의 데이터센터를 계획하고 있는 것으로 알려졌지만, 프로젝트의 정확한 범위는 여전히 불분명하다. Mexico Business News 보도로 인용된 이 헤드라인은 KIO가 최근 공개한 현지 확장 계획보다 훨씬 큰 투자를 시사한다. 그러나 KIO의 공개 뉴스룸에는 현재 이에 부합하는 프로젝트 사양, 건설 일정 또는 전력 용량이 제시돼 있지 않다. 이 검증 공백은 KIO가 이미 케레타로에서 확장 중인 캠퍼스를 운영하고 있다는 점에서 중요하다. QRO2 시설은 2025년 12월에 문을 열었으며, 회사가 밝힌 현지 용량은 약 19메가와트로 늘어났다. 보도된 규모의 신규 투자가 현실화하면 KIO는 단순한 캠퍼스 증설을 넘어선다. 이는 회사를 하이퍼스케일 클라우드 제공업체, 전문 개발사, 유틸리티 기업, 지방 당국이 얽힌 경쟁 구도 속으로 더 깊이 끌어들일 것이다. 실질적인 경쟁 상대는 특정

대학 연계 프로젝트가 Ryzen AI 소프트웨어의 공백을 로컬 추론을 위한 작동 가능한 오픈 소스 해법으로 전환한 뒤, AMD는 FastFlowLM 팀을 인수했다. 이 거래로 AMD Google 경쟁은 개인 기기에서 AI 모델이 효율적으로 작동하는지를 결정하는 런타임이라는 다소 낯선 전장으로 옮겨간다. FastFlowLM은 최신 Ryzen AI 프로세서에 탑재된 신경망 처리 장치, 즉 NPU에서 언어·비전·오디오 모델을 실행한다. AMD는 2026년 7월 17일 해당 팀의 합류를 발표했다. 회사는 인수 가격이나 기타 거래 조건을 공개하지 않았다. 이 인수는 AMD의 수십억 달러 규모 하드웨어 거래에 비하면 작다. 전략적 가치는 다른 곳에서 나온다. Google, Apple, Microsoft, Intel, Qualcomm, Nvidia는 모두 로컬 AI를 위한 소프트웨어 경로를 구축하고 있다. FastFlowLM은 오픈 모델과 자사의 노트북 실리콘

Google은 처음에 이 모델을 Spark 에이전트의 엔진으로 소개했지만, 이제 일반 Gemini 채팅에도 Gemini 3.7 Flash를 적용했다. 이 변화로 더 많은 사람이 공개 하루 만에 모델에 직접 접근할 수 있게 됐다. 9to5Google 보도는 생성된 미디어에서 눈에 보이는 모서리 표시를 제거하는 새로운 설정도 확인했다. 이 제어 기능이 Google의 보이지 않는 출처 추적 시스템까지 제거한다는 의미는 아니다. 이 업데이트들은 함께 더 폭넓은 제품 전략 변화를 드러낸다. Google은 특화된 에이전트 기술과 일반 고객이 사용하는 일상적인 채팅 인터페이스 사이의 간격을 줄이고 있다. 압박은 다른 모델 개발사에만 국한되지 않는다. Google 역시 빠른 모델 배포가 혼란스러운 이름 변경과 인터페이스 변화의 연속이 아니라 신뢰할 수 있는 개선으로 이어진다는 점을 입증해야 한다. Gemini 3.7 Flash는 이미 Spark를 넘어섰다 중요한

Mark Zuckerberg는 이번 주 공개 가중치 AI 모델을 출시했지만, Meta의 더 강력한 시스템은 회사가 통제하는 인터페이스 뒤에 유지했다. TechCrunch의 보도가 부각한 이 대비는 AI가 “모두를 위한 것”이어야 한다는 그의 약속을 현실적인 시험대에 올려놓는다. Meta는 Muse Glimmer를 내려받아 개인용 하드웨어에서 실행할 수 있다고 말한다. 개발자는 가중치를 살펴보고, 동작을 수정하며, 모든 요청을 Meta 서버를 거치지 않고 운영할 수 있다. Muse Spark는 다른 경로를 따른다. Meta는 4월 이 모델을 소개한 뒤, 7월 자체 API를 통해 제한적인 개발자 접근을 열었다. API는 개발자가 모델을 사용할 수 있게 하지만, 인프라와 접근 규칙, 제공 기능에 대한 통제권은 Meta가 유지한다. 이 구분은 Zuckerberg의 수사보다 더 중요하다. 공개 가중치는 기술적 통제권을 분산시키는 반면, API는 가장 강력한

Tesla는 네바다에서 robotaxi 운행 허가를 얻었지만, 규제 당국은 초기 차량 규모를 요청한 5,000대가 아닌 10대로 제한했다. 따라서 techmeme Tesla 헤드라인은 승인과 함께 강력한 규제적 거부를 함께 보여준다. Nevada Transportation Authority는 운행 속도도 제한하고 서비스 지역을 축소했으며, 공항 승차를 금지하고 적절한 인간 감독을 요구했다. 이 조건들은 잠재적으로 대규모였을 Las Vegas 배치를 엄격히 통제된 출시로 바꾼다. 이 결과는 네바다를 넘어 중요하다. Tesla는 robotaxi를 미래 성장 동력으로 제시하는 반면, Waymo는 이미 훨씬 큰 상업 네트워크를 운영하고 있다. 네바다의 명령은 Tesla가 저비용 운영 모델을 훼손하지 않으면서 야심 찬 차량 규모 전망을 규제 당국이 승인한 서비스로 전환할 수 있는지를 시험한다. 네바다는 서비스를 승인했을 뿐, Tesla가 요청한 규모를 승인

NVIDIA Newsroom은 Universitas Gadjah Mada, Indosat, 그리고 인도네시아 정부와 함께 출범한 인도네시아 최초의 대학 기반 NVIDIA AI Technology Center를 발표했다. UGM Indosat NVIDIA AI Technology Center, 즉 NVAITC는 욕야카르타에 위치한다. 이 센터의 역할은 학생들에게 수입된 AI 제품의 사용법을 가르치는 데 그치지 않는다. 파트너들은 인도네시아 연구자들이 현지 수요에 맞는 모델, 애플리케이션, 기술 전문성을 구축하기를 바라고 있다. 이러한 목표가 진정한 시험대가 된다. 인도네시아는 이미 sovereign cloud 역량, 현지 언어 모델, 스타트업 프로그램, 국가 AI 정책에 투자해 왔다. 새 센터는 컴퓨팅 인프라를 유용한 시스템으로 전환할 수 있는 연구자들과 이 요소들을 연결해야 한다. 이번 출범은 인도네시아의 전통적인 대학 모델에도 압박을 가한다. 대

Kog가 특수 칩 중심의 통념에 정면으로 도전하며 Google News에 올랐다. 이 Paris 스타트업은 에이전틱 AI가 반드시 표준 데이터센터 GPU를 포기할 필요는 없다고 주장한다. 모델, 추론 소프트웨어, 하드웨어를 더 긴밀히 조율하면 복잡한 AI 워크플로가 요구하는 응답성을 제공할 수 있다는 설명이다. 이 주장은 AI 인프라를 둘러싼 확산하는 가정을 겨냥한다. 에이전트는 계획 수립, 도구 사용, 결과 평가, 오류 수정 과정에서 많은 모델 호출을 생성한다. 이런 패턴은 느린 추론을 비용 높고 답답한 문제로 만들 수 있으며, AI 모델 서빙에 특화된 프로세서의 필요성을 강화한다. Kog는 반대 경로를 택하고 있다. GPU를 교체하는 대신, GPU가 잠재력을 충분히 발휘하지 못하게 하는 소프트웨어 오버헤드의 여러 층을 제거하려 한다. 특수 하드웨어와 더 깊은 GPU 최적화의 경쟁은 이제 에이전틱 AI를 정의하는 핵심 인프라 질문 중 하나가 되고

Alibaba Qwen3가 270억 파라미터 멀티모달 모델을 공개했다. 회사는 이 모델이 여러 코딩 및 에이전트 벤치마크에서 더 큰 이전 모델인 Qwen3.7-Plus를 앞선다고 밝혔다. 이번 공개로 Qwen3.8은 호스팅형 플래그십에서 개발자가 직접 살펴보고, 수정하고, 배포할 수 있는 모델로 전환됐다. Qwen 팀은 Max급 서비스의 기반이 되는 Qwen3.8-2.4T-A95B의 가중치도 공개했다. 이 모델은 총 2조 4천억 개의 파라미터를 보유하지만, 토큰당 활성화되는 파라미터는 950억 개다. 두 공개는 가장 강력한 에이전트 모델이 반드시 독점 API 뒤에 남아 있어야 한다는 가정에 도전한다. 실제 경쟁 구도는 Alibaba와 특정 경쟁사 한 곳의 대결이 아니다. 이는 오픈 배포와 폐쇄형 접근의 대결이다. Alibaba는 실용적인 27B 모델이 가중치, 인프라, 데이터에 대한 통제권을 유지하면서 호스팅형 플래그십에 근접하거나, 동등하거나,